PIGEON: Pocket-Inferred Geometric Ensemble Flexible Docking

Motivation

• Known: 기존 flexible docking 모델(DiffDock-Pocket, Re-Dock, DynamicBind, FlexDock, FlowDock 등)은 diffusion 또는 flow matching을 이용해 ligand pose와 receptor adaptation을 함께 예측하지만 대부분 single-endpoint pose generation으로 평가되며, classical ensemble docking은 pre-generated receptor conformation을 대상으로 하는 two-stage 방식이다. 또한 site-specific docking 방법들은 명시적 pocket center나 residue set을 요구하여 prospective 상황에서 편향이 발생하며, pocket-free 방법들은 receptor-intrinsic pocket geometry를 명시적으로 모델링하지 않는다.
• Gap: receptor flexibility, 복합체당 다중 안정 holo state, 그리고 실제 응용에서 미지의 binding-pocket residue라는 세 가지 문제가 결합되어 있음에도, ligand와 receptor의 결합 conformation을 pocket residue 없이 하나의 coupled conditional distribution으로 직접 생성하는 방법이 부재하다.
• Why: binding pocket이 알려지지 않은 prospective drug discovery 상황에서도 신뢰할 수 있는 ensemble flexible docking을 가능하게 함으로써, virtual screening과 lead optimization에서 실제 사용 조건에 더 부합하는 실용적 도구를 제공할 수 있다.
• Approach: PIGEON은 ligand-receptor 복합체를 time-conditioned heterogeneous graph로 표현하고, manifold flow matching을 통해 ligand translation/rotation/torsion과 receptor residue frame/side-chain torsion의 residual motion을 예측하며, pocket label 없이 receptor-intrinsic buriedness와 ligand-centered spherical harmonic field로부터 유도된 pocket-aware candidate direction을 learnable staged selector로 선택한다.

Achievement

Figure 2. Visualized ensemble flexible docking predictions. We

PIGEON은 ground-truth pocket residue 없이도 정확한 ligand pose를 복원하면서 physically plausible한 full-complex geometry를 유지하는 ensemble flexible docking을 실현했다.

How

Figure 1. Overview of PIGEON. PIGEON performs pocket-unknown ensemble flexible docking by inferring receptor pocket geom

• flexible docking 상태를 receptor residue frame(SO(3)×R3), side-chain torsion(TKi), ligand centroid(R3), ligand rotation(SO(3)), ligand torsion(TKL)의 product manifold M 위의 점으로 정식화
• 각 apo-holo state pair에 대해 geodesic interpolant xt를 구성하고, polynomial schedule α(t)=t2를 사용한 manifold flow matching(residual 예측 형태 Lres)으로 학습
• ligand atom, receptor atom, receptor residue 세 해상도를 포함하는 heterogeneous graph를 구성하고, FiLM-style time modulation과 edge-type-specific projection을 가진 time-conditioned message-passing network로 임베딩 생성
• receptor atom별로 Kprobe개의 probe direction을 쏘아 occlusion 여부를 판단해 receptor-intrinsic buriedness ba를 계산 (pocket label 불필요)
• ligand centroid를 중심으로 6개의 Gaussian radial shell과 order L=2까지의 real spherical harmonic 계수를 이용해 buriedness-weighted pocket field를 구성, L=0(buried mass), L=1(dipole direction), L=2(비대칭성 등) 정보를 추출
• 이로부터 pocket-aware candidate translation direction bank를 생성하고, contact quality/clash avoidance/void avoidance/contact uniformity/contact count를 측정하는 atom-aware probe feature를 이용한 learnable staged selector로 pocket-ingress와 local-fitting 동작 중 선택
• 선택된 direction에 학습된 positive magnitude를 결합하고, 별도 head가 ligand rotation, torsion, receptor flexibility를 예측

Originality

• pocket residue 정보 없이 ensemble flexible docking을 multiple apo-holo state pair에 대한 manifold residual prediction으로 정식화한 점
• receptor-intrinsic buriedness field와 ligand-centered spherical harmonic pocket field를 결합해 pocket 좌표 없이 ligand motion cue를 유도하는 geometric translation module 설계
• 기하학적 docking 규칙의 해석 가능성을 유지하면서 pocket-ingress와 local-fitting 사이의 균형을 데이터로부터 학습하는 learnable staged direction selector 도입

Limitation & Further Study

• 본문 발췌만으로는 정량적 벤치마크(RMSD, pocket-unknown 조건에서의 성공률 등) 및 기존 SOTA와의 직접 비교 결과가 충분히 제시되지 않아 실제 성능 우위를 판단하기 어려움
• buriedness와 spherical harmonic field는 receptor 기하 구조에만 기반하므로, 매우 얕거나 표면에 가까운 pocket, 혹은 allosteric site처럼 buriedness 신호가 약한 경우에 대한 견고성 검증이 필요
• ensemble 다양성(diverse holo state 커버리지)에 대한 정량적 평가와, 실제 molecular dynamics 기반 ensemble과의 비교가 추가로 요구됨
• 계산 비용(probe casting, spherical harmonic 계산 등)이 큰 receptor나 대규모 virtual screening에 적용될 때의 확장성에 대한 논의가 필요

Evaluation

총평: pocket residue 정보 없이 ensemble flexible docking을 기하학적으로 해석 가능한 방식으로 수행하는 참신한 프레임워크로, prospective drug discovery에 실용적 함의가 크지만 정량적 벤치마크 검증이 추가로 필요하다.